1.1. ¿Estadística? ¿Qué es eso? Mucho más que un solo uso

Si estás atento, en tu vida diaria podrás distinguir muchas apariciones del “gran fantasma” que es la estadística. Está en todas partes aunque no lo veamos. La predicción del tiempo, es estadística; el precio que hay que ponerle a los alimentos, también es estadística. Y también en el deporte más de una vez habrás oído hablar de porcentaje de tiros encestados.

No te preocupes, lo que vas a ver este curso es menos complicado que predecir el tiempo. Aunque si estás leyéndome es que te está dando problemas entenderla, pero ya verás que una vez lo vayas entendiendo paso a paso todo irá rodado, así que ¡SIGUE LEYENDO!

Además de medias, varianzas y probabilidades, que verás este curso, la estadística va más allá de todo esto (verás más aplicación al campo de la Psicología en el curso que viene). La estadística también se usa para ver si un medicamento contra la depresión, por ejemplo, ayuda o no a los pacientes. Y este es un campo muy importante.

La parte de estadística que vas a ver este año es Estadística descriptiva y Probabilidad.

La Estadística descriptiva trata de describir los datos para ayudarte a conocerlos. Verás que podemos saber un montón sobre ellos. Y es todo lo que vas a ir viendo este curso: medias, varianzas, gráficos…

Y en Probabilidad empezarás viendo la probabilidad de encestar y acabarás sabiendo como son las alturas en tu ciudad o los tiempos de paso del autobús que te lleva a casa.

El curso que viene, en la asignatura de Diseños de investigación y análisis de datos, verás Estadística inferencial (también iré preparando el blog para esta asignatura). Este campo de la estadística es la que busca comparar, y aprenderás a responder a preguntas del tipo:

• ¿La media de los resultados de cierto test aplicado puede ser 30, por ejemplo?
• ¿Hay diferencia entre chicos y chicas en la calificación de un test sobre comprensión verbal?
• ¿Cierto nuevo fármaco funciona mejor contra la depresión que el usado general?

Verás que esta parte es mucho más aplicable a temas de Psicología y seguro que te parecerá mucho más entretenido.

Espero que gracias a la introducción hayas entendido un poquito mejor todo el mundo de la estadística. Ahora ya nos metemos de lleno en la teoría. ¡Adelante!

1.2. Distinguir entre población y muestra

Ponte en el caso de que quieres estudiar el rendimiento académico de los estudiantes de colegios e institutos de Zaragoza. Supongamos que son 100.000 los estudiantes que hay. ¿Te pondrías a medir el rendimiento de todos los estudiantes de la ciudad? Verdad que no. Pues ahí tienes la población: los 100.000 estudiantes en Zaragoza.

Como sería demasiado difícil que les hicieses un test para medir el rendimiento de todos los estudiantes, lo que vas a hacer es tomar un muestra. Es decir, vas a seleccionar a cierto número de estudiantes a los que les harás el test, por ejemplo 500.

La muestra no puedes tomarla como quieras, tiene que ser representativa. No puedes tomar una muestra de 500 chicas cuando también hay chicos en la ciudad. Igual que tampoco puedes tomar a todos los menores de 10 años porque hay estudiantes con más años. La muestra tiene que tener las mismas características que la población.

Es un trabajo difícil la toma de muestras, yo llevé dos asignaturas en la carrera sobre muestreo, pero tranquilo que esté trabajo no lo vas a tener que hacer tú. A ti ya te dan en los exámenes los datitos recogidos o inventados. Pero es importante que entiendas bien de donde viene todo para poder comprender mejor lo que estás haciendo.

Como la muestra que vas a tener es representativa, los resultados que tengas podrás extrapolarlos a la población.

 

Aunque hablemos de cosas iguales en muestra y población, como puede ser la media o el tamaño de muestra, en la práctica se usan distintas letras para distinguir lo que pertenece a cada sitio. Este cuadro te vendrá muy bien para distinguirlos:

 

*¹ se lee mu; *² se lee equis barra; *³ se lee sigma; *⁴ se lee sigma cuadrado.

1.3. Las escalas de medida

Este apartado de las escalas de medida he de decir que la primera vez que lo vi fue dando clases a una alumna de Psicología. Creo que el mejor modo de entenderlas y clasificarlas es con un cuadro resumen y con ejemplos, así que aquí lo tienes:

Cada escala suma las condiciones de las escalas anteriores. Es decir, la escala ordinal también cumple las características de la nominal, la escala de intervalo cumple las de la ordinal y la nominal, y la escala de razón las de todas las anteriores.

Este cuadro tendrás que memorizarlo, es muy típico de preguntas teóricas en los exámenes. ¡Ánimo!

1.4. Variable, lo que voy a estudiar

Siguiendo con el ejemplo anterior, en el que queríamos estudiar el rendimiento académico de los 100.000 alumnos de Zaragoza, el rendimiento académico sería la variable.

Te recomiendo que nada más empezar un ejercicio lo primero que hagas sea escribir la variable de estudio. En este ejemplo pondrías: X = ”Rendimiento académico de los estudiantes de colegios e institutos de Zaragoza”. Ponemos X porque así se denominan las variables, primero X, y si hay más Y, Z (no se suele trabajar con más variables).

Tener claro lo que estás estudiando te ayudará a entender los ejercicios y a saber si tus resultados son coherentes o no lo son, lo que podría indicar que está mal hechos. Si estás con la variable altura de personas, por ejemplo, y te sale una media de 10,8 cm. está claro que has hecho algo mal y que tienes que repasar dónde has fallado.

Tras definir tu variable, lo segundo más importante es clasificarla. Según de qué tipo sea podrás calcular unas cosas u otras, por lo que clasificarla es fundamental.

Las variables CUALItativas expresan CUALIdad y las variables CUANTItativas expresan una CANTIdad, así que va a ser sencillo distinguirlas. Otro modo de distinguirlas es que las respuestas a una variable cualitativa son palabras. Por ejemplo, las variables color de pelo o estudios realizados son cualitativas. Por contra, las respuestas a una variable cuantitativa son números: resultado del test de rendimiento o número de hijos.

Si tu variable es cualitativa tienes que fijarte en las respuestas que te dan a ella. Si sólo te pueden dar dos respuestas, por ejemplo la variable sexo o una que sea de respuesta si/no, es una variable cualitativa dicotómica. Si por el contrario puede tomar más valores es una variable cualitativa politómica, será el caso de la variable color de pelo o estudios realizados.

Las dicotómicas no las verás este curso, pero al que viene las usarás para hacer diferencias entre sexos o entre tomar o no un medicamento, por ejemplo.

En el caso de que tu variable sea cuantitativa también tienes que fijarte en las posibles respuestas para diferenciar entre discretas y continuas. Si toma pocos valores y puedes decir los valores que te van a dar, como es el caso de número de hijos o número de coches en la familia, es una cuantitativa discreta. Si por el contrario toma muchos valores y son diversos será una cuantitativa continua, por ejemplo la altura o la puntuación el test.

Otra cosa que te facilitará diferenciar entre discreta y continua es si piensas en enumerar los resultados posibles. Date cuenta que las discretas toman pocos valores y las continuas muchos.

También tienes que saber que una misma variable puede cambiar de discreta a continua según en qué población te estés fijando. No es lo mismo estudiar las edades en una ciudad (en este caso será continua) que en un instituto (será discreta).

---

Espero que esta entrada te haya ayudado a entender estos conceptos básicos de la Estadística. Si crees que puede ayudar a alguien más compártela en tus redes sociales. Si te ha quedado alguna duda no tengas problema en preguntarme en los comentarios.

En la siguiente entrada, Tema 1, parte 2: Organización de datos, encontrarás la segunda parte del tema.

Saludos y ánimo!